nilai Kolmogorov-Smirnov, jika di atas 0,05 berarti data terdistribusi secara normal. Ghozali, 2013.
3.6.2.2 Uji Multikolinearitas
Uji ini bertujuan untuk mengetahui apakah model regresi ditemukan adanya korelasi antar variabel independen. Model
regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen. Multikolinearitas dapat juga dilihat dari nilai
Tolerance TOL dan metode VIF Variance Inflation Factor. Nilai TOL berkebalikan dengan nilai VIF. TOL adalah besarnya
variasi dari suatu variabel independen yang tidak dijelaskan oleh variabel independen lainnya. Sedangkan VIF menjelaskan derajat
suatu variabel independen yang dijelaskan oleh variabel independen lainnya. Nilai TOL yang rendah adalah sama dengan
nilai VIF yang tinggi karena VIF = 1TOL. Nilai cut off yang umum dipakai untuk menunjukkan adanya multikolinearitas adalah
TOL0,10 atau sama dengan nilai VIF10 Ghozali, 2013:105.
3.6.2.3 Uji Heterokedastisitas
Uji ini bertujuan untuk menguji apakah dalam model regresi terjadi ketidaksamaan variance dari residual suatu
pengamatan ke pengamatan yang lain. Jika variance dari residual suatu pengamatan ke pengamatan lain tetap, maka disebut
homoskedastisitas, dan jika variance dari residual suatu
pengamatan ke pengamatan lain berbeda, maka disebut heterokedastisitas. Untuk mendeteksi ada atau tidaknya
heterokedastisitas dapat dilakukan dengan melihat grafik scatterplot, dengan dasar analisis Ghozali, 2013: 139.
3.6.2.4 Uji Autokorelasi
Pengujian autokorelasi digunakan untuk mengetahui apakah terjadi korelasi antara anggota serangkaian observasi yang
diunitkan menurut waktu data time series atau ruang data data cross section. Uji ini bertujuan untuk menguji apakah dalam suatu
model regresi linear ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1 sebelumnya
Ghozali, 2013: 110. Auto korelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama lainnya. Model
regresi yang baik adalah model regresi yang bebas dari autokorelasi. Untuk mendeteksi adanya autokorelasi dalam model,
dapat menggunakan uji Durbin-Watson DW test yang terdapat pada tabel 3.3.
Tabel 3.3 Tabel Durbin-Watson
H Apabila
Keputusan Tidak ada auto korelasi +
0dd
1
Menolak Tidak ada auto korelasi +
d
1ddu
Ragu-ragu Tidak ada auto korelasi -
4-d
1
d4 Menolak
Tidak ada auto korelasi - 4-dud4-d
1
Ragu-ragu Tidak ada auto korelasi +-
dud4-du Menerima
3.6.3 Analisis Regresi Linier Berganda